解决TensorFlow训练模型及保存数量限制的问题

每次卷积神经网络训练的结果都只保存了最后一部分，查阅了一下相关资料，发现是定义saver时采用的默认值，这里进行如下设置：

saver
=
tf.train.Saver(
max_to_keep
=
100
,
keep_checkpoint_every_n_hours
=
1
)

补充：解决TensorFlow只能保存5个模型的问题

直奔主题

在训练模型的代码中找到这句代码：tf.train.Saver（），

改成：

tf.train.Saver(max_to_keep = m) # m为你想保存的模型数量

扩展

Saver类中的可选参数

tf.train.Saver(max_to_keep = m, keep_checkpoint_every_n_hours = n)

max_to_keep保存离当前训练最近的模型数量，默认值为5。如果想全部保存，并且电脑内存够用，设成多大都可以。

keep_checkpoint_every_n_hours每隔n个小时保存一次模型，默认值为10,000（一般情况下应该不会训练这么长时间，所以相当于是不会按照时间来保存，按照设置的epoch保存节点数来保存）。

以上为个人经验，希望能给大家一个参考如有错误或未考虑完全的地方，望不吝赐教。

• 解决tensorflow模型压缩的问题_踩坑无数,总算搞定
• 解决TensorFlow程序无限制占用GPU的方法
• tensorflow实现训练变量checkpoint的保存与读取
• tensorflow-gpu安装的常见问题及解决方案